根据超声检测的基本原理,建立了缺陷深度定量识别模型,结合超声信号自身的特点,应用具有多分辨率分析能力的小波方法对超声信号进行处理,提出了超声信号小波分析基函数的选择以及分解最大尺度的确定方法.对超声信号进行小波压缩,发现处理后的信号比原始波形更能体现出缺陷波的时域特征,提出了缺陷小波特征峰的概念,根据该特征峰所对应的时域位置建立了缺陷深度的物理测算方法.

为确保无损检测数据准确和结果可靠，应以量值溯源为基础，对无损检测仪器设备实施内部校准时，应保证内部校准的有效性。

为了实现对裂纹型缺陷深度的定量识别,提高超声检测精度,引入小波分析和人工神经网络技术进行缺陷深度的智能识别.从超声检测的基本原理、缺陷深度表征量的确定、超声回波信号缺陷特征量的小波提取、神经网络的结构参数及训练和测试网络等方面,详细探讨了对裂纹型缺陷进行智能识别的方法,论证了运用神经网络进行缺陷智能定量识别的可行性,构造了智能识别实验系统,并利用该系统对所加工的含缺陷试样进行了定量识别试验与分析.结果表明,小渡分析和人工神经网络技术的引入能够为超声检测缺陷的定量识别提供行之有效的途径.